桥梁断面气动导数识别的修正最小二乘法

分析了最小二乘原理应用在桥梁断面气动导数识别中存在的问题,提出了气动导数识别的修正最小二乘方法.为防止由噪声信号所造成的非线性参数迭代求解时出现的发散现象,提出应用进度因子的措施.通过对实测数据模态参数识别的验证,表明修正最小二乘方法比其他识别方法具有更好的可靠性和强健性,收敛速度也更快.此外,在为最小二乘法设定复频率初始值时,引入了考虑噪声影响的时域识别法,提高初始值的精度,对最小二乘法的迭代有利桥梁断面气动导数识别的修正最小二乘法@丁泉顺@陈艾荣@项海帆     

一类Sylvester矩阵方程的迭代解法

针对Sylvester矩阵方程给出了一种基于梯度的迭代解法.通过引入一个松弛参数和应用层次识别原理,构建了一种新型的迭代方法求解一类Sylvester矩阵方程.收敛分析表明,在一定的假设条件下对于任意初始值,迭代解都收敛到精确解.数值算例也表明了所给方法的有效性和优越性.     

混合算法在04公桥规徐变系数曲线拟合中应用

采用混合算法将04公桥规附录F中给出的混凝土徐变系数幂函数表达式拟合为指数函数表达式,从而得到了徐变计算的递推式.即首先用遗传模拟退火算法对徐变系数曲线进行初步拟合,估计传统非线性迭代计算中参数的初值;再通过基于Levenberg-Marquardt法和Gauss-Newton法的非线性最小二乘法对徐变系数进行精确的拟合;最后通过结果分析确定了指数函数表达式的最终形式.混合算法解决了应用单一算法在拟合徐变系数曲线上的局限性,有着良好的通用性、鲁棒性和精度,拟合结果可直接应用于采用递推法计算混凝土徐变的有限元程序中.     

基于图论聚类的随机子空间模态参数自动识别

为提高随机子空间法模态参数识别过程中的自动化程度,减少人为干预,提出了基于图论聚类的桥梁结构模态参数自动识别方法.首先,初步剔除由于数据精度以及噪声等引起的虚假模态;其次,采用图论聚类法,对结构模态结果依次根据基于结构频率和模态保证准则(MAC)指标定义的距离进行聚类,以自动识别出结构的真实模态.随后基于灌河大桥0.5 h的加速度数据,采用所提方法实现了结构模态参数的自动识别,并通过结构的有限元模型对识别结果进行验证.最后,将所提出的方法应用到基于灌河大桥健康监测系统采集的一年加速度数据的模态参数识别过程中,表明了该方法在桥梁结构海量加速度数据的结构模态参数自动识别中是可行的.     

随机状态空间模型在结构异常识别中的应用

对振动信号的随机状态空间模型,利用数据驱动随机子空间识别的计算理论得到结构的状态矩阵A.为克服状态矩阵的多样性问题,构造非奇异线性变换矩阵T,将状态矩阵转换为能控标准型,利用状态矩阵能控标准型中参数向量的向量角作为结构异常指标,对结构进行异常识别.数值实验验证了该方法的有效性.     

基于过桥汽车动力响应的桥梁损伤识别

为了识别桥梁结构的损伤,提出了由过桥汽车的加速度响应识别桥梁损伤的灵敏度分析方法.将桥梁等效为等长的欧拉梁单元,汽车等效为单自由度3参数模型,将桥梁各单元抗弯刚度的减小(即损伤的程度)定义为损伤因子.根据损伤因子,采用最小二乘法和正则化方法,可用测试得到的汽车加速度响应识别桥梁损伤.结果表明:损伤识别结果对汽车参数变化比较敏感,汽车过桥行驶速度和采样频率对迭代次数有显著影响;损伤识别误差随着桥面不平顺和测试噪声的增加而加大.     

应用参数识别技术提高有限元动力计算的精度

分析了复杂构件的有限元动力计算结果与实验结果间的误差和误差产生的原因。用正弦稳态激振对一个具有法兰连接件的悬臂梁进行模态参数识别。根据识别的模态参数,用迭代的矩阵摄动法和广义逆技术求出具有法兰连接件的梁单元刚度矩阵的修正矩阵。再应用有限元程序对修正后的动力模型进行计算,精度明显提高。     

基于动力特性灵敏度解析代数算法的结构损伤识别:理论与数值分析

基于结构动力特性灵敏度解析解,建立了结构损伤方程组代数表达式,该损伤方程组通过矩阵运算实现,简洁紧凑,有效地避免模态截断问题.同时,基于经典的随机子空间模态算法(stochastic subspace method,SSI)实现结构损伤前与损伤后的模态参数识别.将结构损伤前后模态参数识别结果代入损伤方程组,可以检测出桥梁结构损伤的位置和损伤的程度,该方法无需迭代.利用简支梁桥算例对该模态参数识别方法和损伤识别方法进行了验证和分析.数值计算结果表明,在噪声水平较低地工况下,本文提出的方法对单损伤梁和多损伤梁均能实现损伤定位和损伤程度的判别,计算效率较高.     

求解鞍点问题的修正SOR-like方法

针对大型稀疏鞍点问题给出了一种含有待定参数的新迭代解法,称之为修正SOR-like方法,简记为MPSOR-like方法.该迭代法的构成是基于对系数矩阵进行的一种分裂.迭代法需要选择一个预处理矩阵和待定参数,通过适当选取预处理矩阵和待定参数,新迭代法是收敛的,并且以定理的形式给出了新迭代方法的迭代矩阵的特征值和参数之间的基本等式,从而也导出了迭代法收敛的充分和必要条件.理论结果表明新方法更具有广泛性,并且选择适当的参数可以使新方法较SOR-like方法具有更快的收敛速度.给出了迭代法的数值试验结果.     

桥梁结构基于高维模型拟合响应面的参数识别

为提高响应面法在桥梁结构参数识别中的计算精度,提出了基于高维模型拟合响应面的参数识别方法.即采用HDMR响应面法拟合结构响应面,并基于该响应面进行结构参数的识别.研究了HDMR响应面的基本构造方法,阐述了在响应面基础上通过有约束最小二乘优化实现参数识别的一般过程.以一座连续梁及一座独塔斜拉桥为算例进行分析,探讨了该方法在结构参数识别中的计算精度及效率.结果表明,相比传统响应面法,该方法在计算精度上具有显著优势.同时也验证了该方法在大型桥梁结构参数识别中的可靠性和适用性.     

基于静态应变及位移测量的结构损伤识别法

针对桥梁健康监测中结构参数识别所需的精度以及算法稳定性,探讨了基于静态应变及位移测量的结构刚度参数评估技术,由于量测住处的有限以及测量噪声的干扰,算法所建立的方程往往是一个病态的非线性方程。通过梯度法与Ｇauss-Newton法以及Monte-Carlo法的综合运用可有效解决这一问题,数值模拟实验的结果表明：只要测点布置合理、加工工况足够,基于结构静态响应的参数识别效果相当理想。     

基于BFGS修正的高斯牛顿光束法平差解算方法

针对高斯牛顿(Gauss-Newton, GN)方法求解光束法平差模型时对初值准确度要求高、应用场景受限的问题, 提出基于拟牛顿法BFGS (Broyden-Fletcher-Goldfarb-Shanno)修正的高斯牛顿算法——BFGS-GN 法。当高斯牛顿法的信息矩阵失去正定性后, 使用BFGS算法对法方程进行补充修正, 可从根本上消除高斯牛顿方法对初值敏感的数学缺陷。在数据集上的实验结果表明, BFGS-GN算法对不同类型的初值具有鲁棒性, 在初值较好的情况下, 所提方法与高斯牛顿法具有相同的精度和迭代效率; 在初值较差的情况下, 高斯牛顿方法 因发散而失效, BFGS-GN算法仍可以收敛到较高的精度。     

超声回波参数的高斯与牛顿迭代法计算

应用超声回波模型,对检测目标的超声回波进行模拟,在模拟过程中应用高斯与牛顿法迭代出估计参数.结果表明,该算法能以较少的迭代次数计算出向量参数,但对模型中到达时间初值设定较为敏感,这可用常规方法(互相关或小波变换、遗传算法等)解决.     

一种改进的桥梁结构物理参数识别算法

为了解决悬臂型桥墩结构在输入信息未知条件下的物理参数识别问题,采用将松弛法与改进的全量补偿算法结合起来的算法,通过对参数的离散化,对输入未知条件下的一悬臂型桥墩结构的多个物理参数进行了识别。结果表明:无噪声条件下,结构各物理参数识别精度较高;添加不同噪声后,由于Rayleigh阻尼中质量和刚度阻尼系数的数量级差别较大,以致质量阻尼系数的识别结果相对误差明显较刚度参数大,但均在精度要求范围之内。该改进的算法不仅理论上更加完善,同时也具有很高的识别精度和一定的收敛速度,为弯曲型结构物理参数识别研究提供了一种新的方法思路,便于工程应用。     

约束UKF初始参数对Bouc-Wen模型参数识别的影响

为获得约束UKF初始参数对模型参数识别的影响规律,针对Bouc-Wen模型给出基于约束UKF在线参数识别方法,通过数值模拟分析初始状态估计均值与协方差、过程噪声协方差、观测噪声协方差等滤波器初始参数对模型参数识别精度与收敛速度的影响,提出相应的参数取值建议.结果表明：在无模型误差的情况下,约束UKF对初始参数的设置具有较好的鲁棒性;适当地增大初始状态估计协方差,减小过程噪声,采用真实系统观测噪声协方差以及减小初始参数值与真实值的偏差,可以有效提高参数识别收敛速度和精度.该研究为基于约束UKF的非线性结构模型在线参数识别方法提供了参考.     

采用人群搜索算法的径向基函数神经网络参数整定方法

针对径向基函数(RBF)神经网络的逼近结构中,对权值、基宽和中心向量的初始值等参数的选取不当,导致系统的鲁棒性变差、收敛精度降低,甚至不再收敛的问题,提出一种基于人群搜索算法的RBF神经网络的参数整定方法.以基于遗传算法和基于粒子群算法的RBF神经网络参数整定方法为对比条件,采用MATLAB软件进行实验与分析.结果表明:应用人群搜索算法去优化RBF神经网络的初始参数,能有效地提升RBF神经网络的逼近精度,验证了该算法的可行性.     

基于陀螺仪转角传感器的动态信号测量 及物理参数时域识别

针对结构识别算法应用于实际工程时,结构的转角信息难于准确测量及转角自由度通常容易被忽略的问题,本文研究了使用陀螺仪转角传感器测量动态信号的方法及响应信息不完备条件下的结构物理参数识别.首先,针对结构转动响应信息测量困难这一问题,提出采用商业级的微机电系统（MEMS）陀螺仪传感器测量角度和角速度响应,并基于最小二乘递推算法对结构物理参数识别方法进行了理论公式推导.然后以一座4层框架结构为算例进行分析,设置由广义逆方法重构转角和采用转角真实值两种工况,并对结构物理参数进行识别,从而验证了理论推导的正确性.同时,对两种工况下所识别的物理参数进行比较,结果表明重构转动响应时物理参数识别的效果不够理想,故考虑测量转动响应.先对MEMS陀螺仪传感器在受到冲击振动下的动态精度进行了试验验证,在结构的初位移小于10 mm时,动态角度测量的精度为0.1°.在此基础上,通过一个3层2跨的钢框架模型的动力试验实测数据和分析结果,验证了使用MEMS陀螺仪传感器直接测量转动响应相比于重构转动响应对弯剪型结构进行刚度参数时域识别的效果更好.     

抗差LM算法求解遥感影像严格物理模型

Levenberg-Marquardt(LM)算法是一种求解非线性模型的数值算法,已成功地应用于最小二乘曲线拟合和非线性最优化中.LM算法能克服Hessian矩阵病态对解的影响,但是不能抵抗输入样本中粗差的干扰.为消除粗差对求解模型的影响,将等价权思想应用于LM算法中,对LM算法中的样本添加权重,得到抗差LM算法.通过其在Landsat5和SPOT5几何校正模型中应用,验证了该算法具有良好的抗差性,可以解决遥感图像校正模型解算过程中粗差的影响问题.     

基于BP神经网络的改进型新奇检测技术诊断大跨度拱桥异常状态

为了诊断大跨度拱桥的异常状态,使用了基于BP神经网络的改进型新奇检测技术的方法,该方法通过BP神经网络对大量实测数据进行训练,得到桥梁状态正常时的新奇指标,并确定阈值,通过阈值判定是否发生异常. 经实际分析以及实测数据的验证,该方法可以较准确地识别大型桥梁异常情况,并可以定位异常区域,避免了模型误差的影响,大大提高了方法的实用价值,同时降低了漏警、虚报警,使识别结果更为准确,更符合实际要求.      

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。